锐客网

  1. 首页 > 生活百科 > it技术 > >

mysql|SQL(面试实战03)

数据库mysqlSQLdatabase

1.计算商城中2021年每月的GMV 现有订单总表tb_order_overall

id order_id uid event_time total_amount total_cnt status
1 301001 101 2021-10-01 10:00:00 15900 2 1
2 301002 101 2021-10-01 11:00:00 15900 2 1
3 301003 102 2021-10-02 10:00:00 34500 8 0
4 301004 103 2021-10-12 10:00:00 43500 9 1
5 301005 105 2021-11-01 10:00:00 31900 7 1
6 301006 102 2021-11-02 10:00:00 24500 6 1
7 301007 102 2021-11-03 10:00:00 -24500 6 2
8 301008 104 2021-11-04 10:00:00 55500 12 0
（order_id-订单号, uid-用户ID, event_time-下单时间, total_amount-订单总金额, total_cnt-订单商品总件数, status-订单状态）
场景逻辑说明：
  • 用户将购物车中多件商品一起下单时，订单总表会生成一个订单（但此时未付款，status-订单状态为0，表示待付款）；
  • 当用户支付完成时，在订单总表修改对应订单记录的status-订单状态为1，表示已付款；
  • 若用户退货退款，在订单总表生成一条交易总金额为负值的记录（表示退款金额，订单号为退款单号，status-订单状态为2表示已退款）。
【mysql|SQL(面试实战03)】问题：请计算商城中2021年每月的GMV，输出GMV大于10w的每月GMV，值保留到整数。
注：GMV为已付款订单和未付款订单两者之和。结果按GMV升序排序。
输出示例：
示例数据输出如下：
month GMV
2021-10 109800
2021-11 111900
解释：
2021年10月有3笔已付款的订单，1笔未付款订单，总交易金额为109800；2021年11月有2笔已付款订单，1笔未付款订单，
总交易金额为111900（还有1笔退款订单由于已计算了付款的订单金额，无需计算在GMV中）。
示例1
DROP TABLE IF EXISTS tb_order_overall; CREATE TABLE tb_order_overall ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', order_id INT NOT NULL COMMENT '订单号', uid INT NOT NULL COMMENT '用户ID', event_time datetime COMMENT '下单时间', total_amount DECIMAL NOT NULL COMMENT '订单总金额', total_cnt INT NOT NULL COMMENT '订单商品总件数', `status` TINYINT NOT NULL COMMENT '订单状态' ) CHARACTER SET utf8 COLLATE utf8_bin; INSERT INTO tb_order_overall(order_id, uid, event_time, total_amount, total_cnt, `status`) VALUES (301001, 101, '2021-10-01 10:00:00', 15900, 2, 1), (301002, 101, '2021-10-01 11:00:00', 15900, 2, 1), (301003, 102, '2021-10-02 10:00:00', 34500, 8, 0), (301004, 103, '2021-10-12 10:00:00', 43500, 9, 1), (301005, 105, '2021-11-01 10:00:00', 31900, 7, 1), (301006, 102, '2021-11-02 10:00:00', 24500, 6, 1), (391007, 102, '2021-11-03 10:00:00', -24500, 6, 2), (301008, 104, '2021-11-04 10:00:00', 55500, 12, 0);

输出
2021-10|109800
2021-11|111900
题解
select date_format(event_time,'%Y-%m') month, round(sum(total_amount),0) GMV from tb_order_overall where year(event_time)='2021' and status=0 or status=1 group by date_format(event_time,'%Y-%m') having GMV >100000 order by GMV

2. 统计2021年10月每个退货率不大于0.5的商品各项指标 现有用户对展示的商品行为表tb_user_event
id uid product_id event_time if_click if_cart if_payment if_refund
1 101 8001 2021-10-01 10:00:00 0 0 0 0
2 102 8001 2021-10-01 10:00:00 1 0 0 0
3 103 8001 2021-10-01 10:00:00 1 1 0 0
4 104 8001 2021-10-02 10:00:00 1 1 1 0
5 105 8001 2021-10-02 10:00:00 1 1 1 0
6 101 8002 2021-10-03 10:00:00 1 1 1 0
7 109 8001 2021-10-04 10:00:00 1 1 1 1
（uid-用户ID, product_id-商品ID, event_time-行为时间, if_click-是否点击, if_cart-是否加购物车, if_payment-是否付款, if_refund-是否退货退款）
问题：请统计2021年10月每个有展示记录的退货率不大于0.5的商品各项指标，
注：
  • 商品点展比=点击数÷展示数；
  • 加购率=加购数÷点击数；
  • 成单率=付款数÷加购数；退货率=退款数÷付款数，
  • 当分母为0时整体结果记为0，结果中各项指标保留3位小数，并按商品ID升序排序。
输出示例：
示例数据的输出结果如下
product_id ctr cart_rate payment_rate refund_rate
8001 0.833 0.800 0.750 0.333
8002 1.000 1.000 1.000 0.000
解释：
在2021年10月商品8001被展示了6次，点击了5次，加购了4次，付款了3次，退款了1次，因此点击率为5/6=0.833，加购率为4/5=0.800，
成单率为3/4=0.750，退货率为1/3=0.333（保留3位小数）；
示例1
DROP TABLE IF EXISTS tb_user_event; CREATE TABLE tb_user_event ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', uid INT NOT NULL COMMENT '用户ID', product_id INT NOT NULL COMMENT '商品ID', event_time datetime COMMENT '行为时间', if_click TINYINT COMMENT '是否点击', if_cart TINYINT COMMENT '是否加购物车', if_payment TINYINT COMMENT '是否付款', if_refund TINYINT COMMENT '是否退货退款' ) CHARACTER SET utf8 COLLATE utf8_bin; INSERT INTO tb_user_event(uid, product_id, event_time, if_click, if_cart, if_payment, if_refund) VALUES (101, 8001, '2021-10-01 10:00:00', 0, 0, 0, 0), (102, 8001, '2021-10-01 10:00:00', 1, 0, 0, 0), (103, 8001, '2021-10-01 10:00:00', 1, 1, 0, 0), (104, 8001, '2021-10-02 10:00:00', 1, 1, 1, 0), (105, 8001, '2021-10-02 10:00:00', 1, 1, 1, 0), (101, 8002, '2021-10-03 10:00:00', 1, 1, 1, 0), (109, 8001, '2021-10-04 10:00:00', 1, 1, 1, 1);

输出
8001|0.833|0.800|0.750|0.333
8002|1.000|1.000|1.000|0.000
题解
select product_id, round(count_click/count_product,3) ctr, round(count_cart/count_click,3) cart_rate, round(count_payment/count_cart,3) payment_rate, round(count_refund/count_payment,3) refund_rate from ( select product_id, count(*) count_product, sum(if_click) count_click, sum(if_cart) count_cart, sum(if_payment) count_payment, sum(if_refund)count_refund from tb_user_event where DATE_FORMAT(event_time,'%Y-%m')='2021-10' group by product_id )t_product having refund_rate<=0.5 order by product_id

3. 某店铺的各商品毛利率及店铺整体毛利率 商品信息表tb_product_info
id product_id shop_id tag in_price quantity release_time
1 8001 901 家电 6000 100 2020-01-01 10:00:00
2 8002 902 家电 12000 50 2020-01-01 10:00:00
3 8003 901 3C数码 12000 50 2020-01-01 10:00:00
（product_id-商品ID, shop_id-店铺ID, tag-商品类别标签, in_price-进货价格, quantity-进货数量, release_time-上架时间）
订单总表tb_order_overall
id order_id uid event_time total_amount total_cnt status
1 301001 101 2021-10-01 10:00:00 30000 3 1
2 301002 102 2021-10-01 11:00:00 23900 2 1
3 301003 103 2021-10-02 10:00:00 31000 2 1
（order_id-订单号, uid-用户ID, event_time-下单时间, total_amount-订单总金额, total_cnt-订单商品总件数, status-订单状态）
订单明细表tb_order_detail
id order_id product_id price cnt
1 301001 8001 8500 2
2 301001 8002 15000 1
3 301002 8001 8500 1
4 301002 8002 16000 1
5 301003 8002 14000 1
6 301003 8003 18000 1
（order_id-订单号, product_id-商品ID, price-商品单价, cnt-下单数量）
场景逻辑说明：
  • 用户将购物车中多件商品一起下单时，订单总表会生成一个订单（但此时未付款，status-订单状态为0表示待付款），在订单明细表生成该订单中每个商品的信息；
  • 当用户支付完成时，在订单总表修改对应订单记录的status-订单状态为1表示已付款；
  • 若用户退货退款，在订单总表生成一条交易总金额为负值的记录（表示退款金额，订单号为退款单号，status-订单状态为2表示已退款）。
问题：请计算2021年10月以来店铺901中商品毛利率大于24.9%的商品信息及店铺整体毛利率。
注：商品毛利率=(1-进价/平均单件售价)*100%；
店铺毛利率=(1-总进价成本/总销售收入)*100%。
结果先输出店铺毛利率，再按商品ID升序输出各商品毛利率，均保留1位小数。
输出示例：
示例数据的输出结果如下：
product_id profit_rate
店铺汇总 31.0%
8001 29.4%
8003 33.3%
解释：
店铺901有两件商品8001和8003；8001售出了3件，销售总额为25500，进价总额为18000，毛利率为1-18000/25500=29.4%，8003售出了1件，售价为18000，进价为12000，毛利率为33.3%；
店铺卖出的这4件商品总销售额为43500，总进价为30000，毛利率为1-30000/43500=31.0%
示例1
DROP TABLE IF EXISTS tb_order_overall; CREATE TABLE tb_order_overall ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', order_id INT NOT NULL COMMENT '订单号', uid INT NOT NULL COMMENT '用户ID', event_time datetime COMMENT '下单时间', total_amount DECIMAL NOT NULL COMMENT '订单总金额', total_cnt INT NOT NULL COMMENT '订单商品总件数', `status` TINYINT NOT NULL COMMENT '订单状态' ) CHARACTER SET utf8 COLLATE utf8_bin; INSERT INTO tb_order_overall(order_id, uid, event_time, total_amount, total_cnt, `status`) VALUES (301001, 101, '2021-10-01 10:00:00', 30000, 3, 1), (301002, 102, '2021-10-01 11:00:00', 23900, 2, 1), (301003, 103, '2021-10-02 10:00:00', 31000, 2, 1); DROP TABLE IF EXISTS tb_product_info; CREATE TABLE tb_product_info ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', product_id INT NOT NULL COMMENT '商品ID', shop_id INT NOT NULL COMMENT '店铺ID', tag VARCHAR(12) COMMENT '商品类别标签', in_price DECIMAL NOT NULL COMMENT '进货价格', quantity INT NOT NULL COMMENT '进货数量', release_time datetime COMMENT '上架时间' ) CHARACTER SET utf8 COLLATE utf8_bin; DROP TABLE IF EXISTS tb_order_detail; CREATE TABLE tb_order_detail ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', order_id INT NOT NULL COMMENT '订单号', product_id INT NOT NULL COMMENT '商品ID', price DECIMAL NOT NULL COMMENT '商品单价', cnt INT NOT NULL COMMENT '下单数量' ) CHARACTER SET utf8 COLLATE utf8_bin; INSERT INTO tb_product_info(product_id, shop_id, tag, in_price, quantity, release_time) VALUES (8001, 901, '家电', 6000, 100, '2020-01-01 10:00:00'), (8002, 902, '家电', 12000, 50, '2020-01-01 10:00:00'), (8003, 901, '3C数码', 12000, 50, '2020-01-01 10:00:00'); INSERT INTO tb_order_detail(order_id, product_id, price, cnt) VALUES (301001, 8001, 8500, 2), (301001, 8002, 15000, 1), (301002, 8001, 8500, 1), (301002, 8002, 16000, 1), (301003, 8002, 14000, 1), (301003, 8003, 18000, 1);

输出
店铺汇总|31.0%
8001|29.4%
8003|33.3%
题解
方式一： select * from ( select if(product_id is not null ,product_id,'店铺汇总') product_id, concat(round((1-sum(cnt_in_price)/sum(cnt_price))*100,1),"%")profit_rate from ( select product_id,in_price*cnt cnt_in_price,price*cnt cnt_price from tb_product_info inner join tb_order_detail using(product_id) inner join tb_order_overall using(order_id) where date_format(event_time,"%Y-%m")>="2021-10" and shop_id="901" and status=1 )t_product group by product_id with rollup order by product_id )t where product_id ="店铺汇总" or profit_rate>24.9方式二： select '店铺汇总' as pproduct_id, concat(round((1-sum(in_price*cnt)/sum(price*cnt))*100,1),'%') as profit_rate from tb_product_info t join tb_order_overall t1 join tb_order_detail t2 on t.product_id = t2.product_id and t1.order_id = t2.order_id where shop_id=901and date(event_time)>='20211001' union select * from ( select t.product_id as pproduct_id, concat(round((1-sum(in_price*cnt)/sum(price*cnt))*100,1),'%') as profit_rate from tb_product_info t join tb_order_overall t1 join tb_order_detail t2 on t.product_id = t2.product_id and t1.order_id = t2.order_id where shop_id=901 and date(event_time)>='20211001' group by t.product_id having 1-sum(in_price*cnt)/sum(price*cnt)>0.249 order by pproduct_id) t

4. 零食类商品中复购率top3高的商品 商品信息表tb_product_info
id product_id shop_id tag int_ quantity release_time
1 8001 901 零食 60 1000 2020-01-01 10:00:00
2 8002 901 零食 140 500 2020-01-01 10:00:00
3 8003 901 零食 160 500 2020-01-01 10:00:00
（product_id-商品ID, shop_id-店铺ID, tag-商品类别标签, in_price-进货价格, quantity-进货数量, release_time-上架时间）
订单总表tb_order_overall
id order_id uid event_time total_amount total_cnt status
1 301001 101 2021-09-30 10:00:00 140 1 1
2 301002 102 2021-10-01 11:00:00 235 2 1
3 301011 102 2021-10-31 11:00:00 250 2 1
4 301003 101 2021-10-02 10:00:00 300 2 1
5 301013 105 2021-10-02 10:00:00 300 2 1
6 301005 104 2021-10-03 10:00:00 170 1 1
（order_id-订单号, uid-用户ID, event_time-下单时间, total_amount-订单总金额, total_cnt-订单商品总件数, status-订单状态）
订单明细表tb_order_detail
id order_id product_id price cnt
1 301001 8002 150 1
2 301011 8003 200 1
3 301011 8001 80 1
4 301002 8001 85 1
5 301002 8003 180 1
6 301003 8002 140 1
7 301003 8003 180 1
8 301013 8002 140 2
9 301005 8003 180 1
（order_id-订单号, product_id-商品ID, price-商品单价, cnt-下单数量）
场景逻辑说明：
  • 用户将购物车中多件商品一起下单时，订单总表会生成一个订单（但此时未付款， status-订单状态-****订单状态为0表示待付款），在订单明细表生成该订单中每个商品的信息；
  • 当用户支付完成时，在订单总表修改对应订单记录的status-订单状态-****订单状态为1表示已付款；
  • 若用户退货退款，在订单总表生成一条交易总金额为负值的记录（表示退款金额，订单号为退款单号，订单状态为2表示已退款）。
问题：请统计零食类商品中复购率top3高的商品。
注：复购率指用户在一段时间内对某商品的重复购买比例，复购率越大，则反映出消费者对品牌的忠诚度就越高，也叫回头率
此处我们定义：某商品复购率 = 近90天内购买它至少两次的人数 ÷ 购买它的总人数
近90天指包含最大日期（记为当天）在内的近90天。结果中复购率保留3位小数，并按复购率倒序、商品ID升序排序
输出示例：
示例数据的输出结果如下：
product_id repurchase_rate
8001 1.000
8002 0.500
8003 0.333
解释：
商品8001、8002、8003都是零食类商品，8001只被用户102购买了两次，复购率1.000；
商品8002被101购买了两次，被105购买了1次，复购率0.500；
商品8003被102购买两次，被101和105各购买1次，复购率为0.333。
示例1
DROP TABLE IF EXISTS tb_order_overall; CREATE TABLE tb_order_overall ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', order_id INT NOT NULL COMMENT '订单号', uid INT NOT NULL COMMENT '用户ID', event_time datetime COMMENT '下单时间', total_amount DECIMAL NOT NULL COMMENT '订单总金额', total_cnt INT NOT NULL COMMENT '订单商品总件数', `status` TINYINT NOT NULL COMMENT '订单状态' ) CHARACTER SET utf8 COLLATE utf8_bin; DROP TABLE IF EXISTS tb_product_info; CREATE TABLE tb_product_info ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', product_id INT NOT NULL COMMENT '商品ID', shop_id INT NOT NULL COMMENT '店铺ID', tag VARCHAR(12) COMMENT '商品类别标签', in_price DECIMAL NOT NULL COMMENT '进货价格', quantity INT NOT NULL COMMENT '进货数量', release_time datetime COMMENT '上架时间' ) CHARACTER SET utf8 COLLATE utf8_bin; DROP TABLE IF EXISTS tb_order_detail; CREATE TABLE tb_order_detail ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', order_id INT NOT NULL COMMENT '订单号', product_id INT NOT NULL COMMENT '商品ID', price DECIMAL NOT NULL COMMENT '商品单价', cnt INT NOT NULL COMMENT '下单数量' ) CHARACTER SET utf8 COLLATE utf8_bin; INSERT INTO tb_product_info(product_id, shop_id, tag, in_price, quantity, release_time) VALUES (8001, 901, '零食', 60, 1000, '2020-01-01 10:00:00'), (8002, 901, '零食', 140, 500, '2020-01-01 10:00:00'), (8003, 901, '零食', 160, 500, '2020-01-01 10:00:00'); INSERT INTO tb_order_overall(order_id, uid, event_time, total_amount, total_cnt, `status`) VALUES (301001, 101, '2021-09-30 10:00:00', 140, 1, 1), (301002, 102, '2021-10-01 11:00:00', 235, 2, 1), (301011, 102, '2021-10-31 11:00:00', 250, 2, 1), (301003, 101, '2021-11-02 10:00:00', 300, 2, 1), (301013, 105, '2021-11-02 10:00:00', 300, 2, 1), (301005, 104, '2021-11-03 10:00:00', 170, 1, 1); INSERT INTO tb_order_detail(order_id, product_id, price, cnt) VALUES (301001, 8002, 150, 1), (301011, 8003, 200, 1), (301011, 8001, 80, 1), (301002, 8001, 85, 1), (301002, 8003, 180, 1), (301003, 8002, 140, 1), (301003, 8003, 180, 1), (301013, 8002, 140, 2), (301005, 8003, 180, 1);

输出
8001|1.000
8002|0.500
8003|0.333
思路
1.计算每个用户对每个商品是否复购： 内连接多表： tb_order_detail JOIN tb_order_overall USING(order_id) JOIN tb_product_info USING(product_id) 2.筛选零食类商品：WHERE tag="零食" 3.筛选近90天的记录： 计算最小允许日期：DATE_SUB(MAX(event_time), INTERVAL 89 DAY) 筛选：event_time >= (SELECT ... FROM tb_order_overall) 按用户和商品分组：GROUP BY uid, product_id 4.计算是否复购：IF(COUNT(event_time)>1, 1, 0) as repurchase 5.按商品分组：GROUP BY product_id 6.计算复购率： SUM(repurchase) / COUNT(repurchase) as repurchase_rate 保留3位小数：ROUND(x, 3)

题解
SELECT product_id, ROUND(SUM(repurchase) / COUNT(repurchase), 3) as repurchase_rate FROM ( SELECT uid, product_id, IF(COUNT(event_time)>1, 1, 0) as repurchase FROM tb_order_detail JOIN tb_order_overall USING(order_id) JOIN tb_product_info USING(product_id) WHERE tag="零食" AND event_time >= ( SELECT DATE_SUB(MAX(event_time), INTERVAL 89 DAY) FROM tb_order_overall ) GROUP BY uid, product_id ) as t_uid_product_info GROUP BY product_id ORDER BY repurchase_rate DESC, product_id LIMIT 3;

5. 10月的新户客单价和获客成本 商品信息表tb_product_info
id product_id shop_id tag int_ quantity release_time
1 8001 901 日用 60 1000 2020-01-01 10:00:00
2 8002 901 零食 140 500 2020-01-01 10:00:00
3 8003 901 零食 160 500 2020-01-01 10:00:00
4 8004 902 零食 130 500 2020-01-01 10:00:00
（product_id-商品ID, shop_id-店铺ID, tag-商品类别标签, in_price-进货价格, quantity-进货数量, release_time-上架时间）
订单总表tb_order_overall
id order_id uid event_time total_amount total_cnt status
1 301002 102 2021-10-01 11:00:00 235 2 1
2 301003 101 2021-10-02 10:00:00 300 2 1
3 301005 104 2021-10-03 10:00:00 160 1 1
（order_id-订单号, uid-用户ID, event_time-下单时间, total_amount-订单总金额, total_cnt-订单商品总件数, status-订单状态）
订单明细表tb_order_detail
id order_id product_id price cnt
1 301002 8001 85 1
2 301002 8003 180 1
3 301003 8004 140 1
4 301003 8003 180 1
5 301005 8003 180 1
（order_id-订单号, product_id-商品ID, price-商品单价, cnt-下单数量）
问题：请计算2021年10月商城里所有新用户的首单平均交易金额（客单价）和平均获客成本（保留一位小数）。
注：订单的优惠金额 = 订单明细里的{该订单各商品单价×数量之和} - 订单总表里的{订单总金额} 。
输出示例：
示例数据的输出结果如下
avg_amount avg_cost
231.7 23.3
解释：
2021年10月有3个新用户，102的首单为301002，订单金额为235，商品总金额为85+180=265，优惠金额为30；
101的首单为301003，订单金额为300，商品总金额为140+180=320，优惠金额为20；
104的首单为301005，订单金额为160，商品总金额为180，优惠金额为20；
平均首单客单价为(235+300+160)/3=231.7，平均获客成本为(30+20+20)/3=23.3
示例1
DROP TABLE IF EXISTS tb_order_overall; CREATE TABLE tb_order_overall ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', order_id INT NOT NULL COMMENT '订单号', uid INT NOT NULL COMMENT '用户ID', event_time datetime COMMENT '下单时间', total_amount DECIMAL NOT NULL COMMENT '订单总金额', total_cnt INT NOT NULL COMMENT '订单商品总件数', `status` TINYINT NOT NULL COMMENT '订单状态' ) CHARACTER SET utf8 COLLATE utf8_bin; DROP TABLE IF EXISTS tb_product_info; CREATE TABLE tb_product_info ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', product_id INT NOT NULL COMMENT '商品ID', shop_id INT NOT NULL COMMENT '店铺ID', tag VARCHAR(12) COMMENT '商品类别标签', in_price DECIMAL NOT NULL COMMENT '进货价格', quantity INT NOT NULL COMMENT '进货数量', release_time datetime COMMENT '上架时间' ) CHARACTER SET utf8 COLLATE utf8_bin; DROP TABLE IF EXISTS tb_order_detail; CREATE TABLE tb_order_detail ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID', order_id INT NOT NULL COMMENT '订单号', product_id INT NOT NULL COMMENT '商品ID', price DECIMAL NOT NULL COMMENT '商品单价', cnt INT NOT NULL COMMENT '下单数量' ) CHARACTER SET utf8 COLLATE utf8_bin; INSERT INTO tb_product_info(product_id, shop_id, tag, in_price, quantity, release_time) VALUES (8001, 901, '日用', 60, 1000, '2020-01-01 10:00:00'), (8002, 901, '零食', 140, 500, '2020-01-01 10:00:00'), (8003, 901, '零食', 160, 500, '2020-01-01 10:00:00'), (8004, 902, '零食', 130, 500, '2020-01-01 10:00:00'); INSERT INTO tb_order_overall(order_id, uid, event_time, total_amount, total_cnt, `status`) VALUES (301002, 102, '2021-10-01 11:00:00', 235, 2, 1), (301003, 101, '2021-10-02 10:00:00', 300, 2, 1), (301005, 104, '2021-10-03 10:00:00', 160, 1, 1); INSERT INTO tb_order_detail(order_id, product_id, price, cnt) VALUES (301002, 8001, 85, 1), (301002, 8003, 180, 1), (301003, 8004, 140, 1), (301003, 8003, 180, 1), (301005, 8003, 180, 1);

输出
231.7|23.3
题解
select round(sum(total_amount)/count(distinct order_id),1) avg_amount, round(sum(price-total_amount)/count(distinct order_id),1) avg_cost from tb_order_overall join ( select order_id,sum(price*cnt) price from tb_order_detail group by order_id ) t using(order_id) where (uid,date(event_time))in ( select uid,min(date(event_time)) min_day from tb_order_overall group by uid having date_format(min_day,"%Y-%m")="2021-10" )

    推荐阅读


    上一篇：投稿|被催熟的儿童阅读课：为何家长存疑、资本冷落？

    下一篇：数据库|MySQL 事务四大特性和事务隔离级别